葡萄贮藏期间易遭霉菌污染，导致经济损失和食品安全问题。当前的葡萄霉变检测方法有PCR、ELISA、电子鼻和高光谱成像等，但存在需要昂贵的设备、人员培训成本、样本预处理、检测灵敏度和特异性不足等问题，因此亟需开发一种低成本、无损、高灵敏度的检测方法，以实现葡萄贮藏早期霉变监测预警。
为了解决这一问题，团队构建了一组由14个环境应激响应启动子融合荧光素酶报告基因构建的大肠杆菌报告菌株，结合多种数据预处理算法及优化的机器学习模型，成功地实现了对黑曲霉、赭曲霉和灰霉污染的葡萄准确地无损监测。研究结果表明，这些工程细菌报告菌株对受感染葡萄释放的挥发性有机化合物高度敏感，可以明显区分出葡萄在无明显症状（1天后）和症状出现（2天后）两个不同感染阶段。构建的机器学习预测模型可以实现对三种真菌在葡萄上的感染程度进行分类预测，对黑曲霉、赭曲霉和灰霉菌的分类准确率分别达到100%、92%和92%，显示出极高的预测性能。这种基于代谢工程细菌的全新生物传感技术，可对葡萄腐烂霉变的快速、无损、低成本的监测，不仅可用于葡萄，也可应用于其他农产品的微生物腐败检测，是一项前景广阔的创新技术。下一步将致力于提高传感器地特异性和工作寿命，以期尽快实现该技术在农产品贮藏运输过程中的大规模应用。
该研究结果在生物和园艺产品采后技术国际知名学术期刊Postharvest Biology and Technology（JCR一区，TOP5%，IF=7.0）在线发表，粮油减损与真菌毒素防控创新团队博士后马俊宁为论文第一作者，邢福国研究员为通讯作者，该研究得到了国家重点研发专项计划（2022YFD2100104）和中国农业科学院科技创新工程（CAAS-ASTIP-G2022-IFST-01）的资助。
原文链接: https://doi.org/10.1016/j.postharvbio.2023.112481
